polynomial_kernel

sklearn.metrics.pairwise.polynomial_kernel(X, Y=None, degree=3, gamma=None, coef0=1)

Compute the polynomial kernel between X and Y.

K(X, Y) = (gamma <X, Y> + coef0) ^ degree

阅读更多的 User Guide .

参数:

X形状（n_samples_X，n_features）的{类数组，稀疏矩阵}

特征数组。

Y{array-like, sparse matrix} of shape (n_samples_Y, n_features), default=None

可选的第二特征阵列。如果 None ，用途 Y=X .

degreefloat，默认=3

核心程度。

gammafloat，默认=无

向度的系数。如果无，默认为1.0 / n_features。

coef0float，默认=1

将恒定补偿添加到缩放的内部产品中。

返回:

kernel形状的nd数组（n_samples_X，n_samples_Y）

多项核。

示例

>>> from sklearn.metrics.pairwise import polynomial_kernel
>>> X = [[0, 0, 0], [1, 1, 1]]
>>> Y = [[1, 0, 0], [1, 1, 0]]
>>> polynomial_kernel(X, Y, degree=2)
array([[1.     , 1.     ],
       [1.77..., 2.77...]])